Trees notes (06) (Cây quyết định trong Máy học) - Sebastian Raschka
- 페이지 수
- 18
- 형식
- 크기
- 1.4 MB
- 연도
- 2018
- Trường
- University Wisconsin-Madison
- 조회수
- 0
- 댓글
- 0
- Lượt tải
- 0
미리보기 생성 중...
Ghi chú bài giảng về cây quyết định (decision trees) trong khóa học Máy học, bao gồm thuật toán, độ đo (entropy, Gini), cắt tỉa và cây hồi quy.
- 문서명
- Trees notes (06) (Cây quyết định trong Máy học) - Sebastian Raschka
- 학교 / 강의
- University Wisconsin-Madison · Machine learning
- 내용
- Tài liệu cung cấp kiến thức chi tiết về Cây quyết định, từ khái niệm cơ bản, thuật ngữ, các thuật toán chính (ID3, C4.5, CART), đến các phương pháp đo lường hiệu quả và xử lý overfitting, cùng ứng dụng trong bài toán hồi quy.
- 목차
- 6 Decision Trees
- 6.1 Introduction
- 6.1.1 Terminology
- 6.1.2 Machine Learning Categories
- 6.1.3 Relationship Between Decision Trees and Rule-based Learning
- 6.2 Divide-and-Conquer and Recursion
- 6.3 General Decision Tree Algorithm
- 6.4 Time Complexity
- 6.5 ID3, C4.5, CART
- 6.5.1 General Differences
- 6.5.2 ID3 – Iterative Dichotomizer 3
- 6.5.3 C4.5
- 6.5.4 CART
- 6.5.5 Others
- 6.6 Information Gain
- 6.7 Information Theory and Entropy
- 6.8 Why Growing Decision Trees via Entropy or Gini Impurity instead of Misclassification Error?
- 6.9 Gini Impurity
- 6.10 Improvements
- 6.10.1 Grain Ratio
- 6.11 Overfitting
- 6.11.1 Pre-Pruning
- 6.11.2 Post-Pruning
- 6.12 Decision Tree for Regression
- 6.13 Summary
- 6.13.1 Pros and Cons of Decision Trees
- 페이지 수
- 18 페이지
- 업로더
- Uni24h
설명
Trích nội dung tài liệu
STAT 479: Machine Learning Lecture Notes Sebastian Raschka Department of Statistics University of Wisconsin–Madison http://stat.wisc.edu/∼sraschka/teaching/stat479-fs2018/ Fall 2018 Contents 6 Decision Trees 6.1 1 Introduction . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 1 6.1.1 Terminology . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 1 6.1.2 Machine Learning Categories . . . . . . . . . . . . . . . . . . . . . . . 2 6.1.3 Relationship Between Decision Trees and Rule-based Learning . . . . 2 6.2 Divide-and-Conquer and Recursion . . . . . . . . . . . . . . . . . . . . . . . . 3 6.3 General Decision Tree Algorithm . . . . . . . . . . . . . . . . . . . . . . . . . 4 6.4 Time Complexity . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 5 6.5 ID3, C4.5, CART . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 6 6.5.1 General Differences . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 6 6.5.2 ID3 – Iterative Dichotomizer 3 . . . . . . . . . . . . . . . . . . . . . . 6 6.5.3 C4.5 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 7 6.5.4 CART . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 7 6.5.5 Others . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 7 6.6 Information Gain . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 8 6.7 Information Theory and Entropy . . . . . . . . . . . . . . . . . . . . . . . . . 8 6.8 Why Growing Decision Trees via Entropy or Gini Impurity instead of Misclassification Error? . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 9 6.9 Gini Impurity . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 12 6.10 Improvements . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 13 6.10.1 Grain Ratio . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 13 6.1
자주 묻는 질문
이 문서는 무료인가요?
네. “Trees notes (06) (Cây quyết định trong Máy học) - Sebastian Raschka” 문서는 무료입니다. 로그인 후 '다운로드'를 클릭하여 원본 파일을 받으세요.
이 문서는 몇 페이지로 되어 있나요?
이 문서는 18페이지입니다, Machine learning 과정용. 다운로드하기 전에 온라인으로 미리 볼 수 있습니다.
다운로드하기 전에 미리 볼 수 있나요?
네. 이 페이지의 온라인 리더를 통해 문서를 미리 본 후 다운로드 여부를 결정할 수 있습니다.
Trees notes (06) (Cây quyết định trong Máy học) - Sebastian Raschka
미리보기 생성 중...
Trích nội dung tài liệu
STAT 479: Machine Learning Lecture Notes Sebastian Raschka Department of Statistics University of Wisconsin–Madison http://stat.wisc.edu/∼sraschka/teaching/stat479-fs2018/ Fall 2018 Contents 6 Decision Trees 6.1 1 Introduction . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 1 6.1.1 Terminology . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 1 6.1.2 Machine Learning Categories . . . . . . . . . . . . . . . . . . . . . . . 2 6.1.3 Relationship Between Decision Trees and Rule-based Learning . . . . 2 6.2 Divide-and-Conquer and Recursion . . . . . . . . . . . . . . . . . . . . . . . . 3 6.3 General Decision Tree Algorithm . . . . . . . . . . . . . . . . . . . . . . . . . 4 6.4 Time Complexity . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 5 6.5 ID3, C4.5, CART . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 6 6.5.1 General Differences . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 6 6.5.2 ID3 – Iterative Dichotomizer 3 . . . . . . . . . . . . . . . . . . . . . . 6 6.5.3 C4.5 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 7 6.5.4 CART . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 7 6.5.5 Others . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 7 6.6 Information Gain . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 8 6.7 Information Theory and Entropy . . . . . . . . . . . . . . . . . . . . . . . . . 8 6.8 Why Growing Decision Trees via Entropy or Gini Impurity instead of Misclassification Error? . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 9 6.9 Gini Impurity . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 12 6.10 Improvements . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 13 6.10.1 Grain Ratio . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 13 6.1
- 문서명
- Trees notes (06) (Cây quyết định trong Máy học) - Sebastian Raschka
- 학교 / 강의
- University Wisconsin-Madison · Machine learning
- 내용
- Tài liệu cung cấp kiến thức chi tiết về Cây quyết định, từ khái niệm cơ bản, thuật ngữ, các thuật toán chính (ID3, C4.5, CART), đến các phương pháp đo lường hiệu quả và xử lý overfitting, cùng ứng dụng trong bài toán hồi quy.
- 목차
- 6 Decision Trees
- 6.1 Introduction
- 6.1.1 Terminology
- 6.1.2 Machine Learning Categories
- 6.1.3 Relationship Between Decision Trees and Rule-based Learning
- 6.2 Divide-and-Conquer and Recursion
- 6.3 General Decision Tree Algorithm
- 6.4 Time Complexity
- 6.5 ID3, C4.5, CART
- 6.5.1 General Differences
- 6.5.2 ID3 – Iterative Dichotomizer 3
- 6.5.3 C4.5
- 6.5.4 CART
- 6.5.5 Others
- 6.6 Information Gain
- 6.7 Information Theory and Entropy
- 6.8 Why Growing Decision Trees via Entropy or Gini Impurity instead of Misclassification Error?
- 6.9 Gini Impurity
- 6.10 Improvements
- 6.10.1 Grain Ratio
- 6.11 Overfitting
- 6.11.1 Pre-Pruning
- 6.11.2 Post-Pruning
- 6.12 Decision Tree for Regression
- 6.13 Summary
- 6.13.1 Pros and Cons of Decision Trees
- 페이지 수
- 18 페이지
- 업로더
- Uni24h
댓글 (0)
댓글이 없습니다. 첫 댓글을 남겨보세요!
Feat extract slides (14) (Giảm chiều dữ liệu, tập trung vào trích xuất đặc trưng) - Sebastian Raschka
Eval intro slides (08) (Đánh giá mô hình, overfitting và underfitting, phân rã bias-variance trong Máy học) - Sebastian Raschka
Machine learning tips and tricks (Tổng hợp mẹo về học máy)
Eval ci slides (09) (Đánh giá mô hình, tập trung vào khoảng tin cậy) - Sebastian Raschka
Eval algo notes (11) (Các kiểm định thống kê và so sánh thuật toán) - Sebastian Raschka
Tổng hợp Đề Toán 5 - Luyện thi vào Lớp 6 - CLB EMath
Bài giảng vật lý đại cương (Chương 3) - Đỗ Ngọc Uấn
Chương 8.Nguyên tử - Vật lý đại cương 3 - TS.Nguyễn Thị Trang
Chương 7.Cơ học lượng tử - Vật lý đại cương 3 - TS.Nguyễn Thị Trang
Chương 6.Quang học lượng tử - Vật lý đại cương 3 - TS.Nguyễn Thị Trang
댓글 (0)
댓글이 없습니다. 첫 댓글을 남겨보세요!